间接交互信息与因式分解机融合的推荐方法研究.pptx

content目录01研究背景与问题提出02理论基础与相关技术综述03间接交互信息的表征与提取04融合模型的设计与架构创新05实验验证与性能分析06结论展望与应用前景

研究背景与问题提出01

个性化推荐系统面临交互信息利用不足与数据稀疏性的双重挑战信息利用不足传统推荐模型主要依赖用户与物品的直接交互行为，如点击、评分等显式反馈。大量潜在关联因未被显式表达而被忽略，导致交互信息利用不充分。数据高度稀疏在真实场景中，用户-物品交互矩阵通常极度稀疏，多数用户仅与极少数物品发生行为。这使得协同过滤等方法难以准确估计用户偏好，影响推荐质量。间接信息价值用户与物品间的间接交互路径蕴含丰富语义，如通过共同邻